Generativní AI nachází své místo ve firmách napříč obory – pomáhá s organizací e-mailů, plánováním schůzek nebo analýzou hovorů. Zatím však stále naráží na limity, jako jsou halucinace modelů nebo regulatorní překážky. Jak firmy využívají AI v praxi a kde zatím její schopnosti nestačí? O své zkušenosti se podělili zástupci bank i technologických firem.
O své zkušenosti z praxe se podělili Michal Kraus (Česká spořitelna), Ondřej Kuchta (ScaleVoice), Július Čunderlík (Qest technologies) a Tomáš Stegura (ČSOB). Diskuzi vedl Jiří Mach, CEO společnosti Enehano, který hostům pokládal otázky.
Co vnímáte jako překážku pro používání generativní AI? S čím se nejčastěji střetáváte?
Tomáš Stegura: Pro nás jsou největší překážkou halucinace velkých jazykových modelů. Když klient komunikuje s bankou, potřebuje mít jistotu, že se může na získané informace spolehnout. Halucinace velkých jazykových modelů (LLM) si tedy nemůžeme dovolit.
Július Čunderlík: Tím, že jsme software house, tedy technologická firma, tak u nás tolik překážek nevnímám. Spíše musím kolegy brzdit, aby umělou inteligenci používali tam, kde to opravdu dává smysl, a podle pravidel, která jsme si interně nastavili.
Máte už nějaké příklady využití generativní AI v praxi?
Tomáš Stegura: Určitě. Začal bych copilotem ve všech možných podobách (pozn. red.: V kontextu AI je copilot AI pomocník integrovaný do konkrétní aplikace.). Vývojáři mají k dispozici GitHub Copilot. Ostatní zaměstnanci mohou využívat například Microsoft 365 Copilot. Pracovat mohou také s Perplexity, což všem vřele doporučuji.
Július Čunderlík: Pro nás jako softwarovou firmu je adopce nových technologií běžnou součástí naší činnosti. Co se týče práce pro naše klienty, například pro jeden hotelový řetězec jsme řešili následující use case (pozn. red.: konkrétní příklad využití technologie v praxi). Řetězci denně chodily tisíce mailů. Zajistili jsme, aby je AI roztřídila mezi nové rezervace, změny v těch stávajících, spam apod. – tím jsme ubrali velké množství rutinní práce recepčním.
Ondro, vy určitě budete mít spoustu příkladů využití AI. Co bys vyzdvihl jako nejzajímavější?
Ondřej Kuchta: Máme velkého zákazníka v Turecku, který zpracovává skoro 200 000 hovorů měsíčně. Spoustu z nich nestíhá zvednout. Jde o velkou servisní síť pro automobily a s každým zmeškaným hovorem přijdou zhruba o 300 dolarů. AI už je dnes dostatečně pokročilá na to, aby pro klienta zvládla řešit komplexní use case. Zákazník potřebuje znát cenu opravy, možné důvody poruchy a dostat termín opravy. Komunikace navíc musí probíhat stejně, jako by mluvil s člověkem. To jsou zatím ty nejkomplexnější příklady, které ukazují, jakým směrem se využití AI posouvá: AI nejen zavolá, ale bude také vědět, kdy a komu zavolat a s čím pomoci. Posune se od základní komunikace o úroveň výš a bude schopná i rozdělovat úkoly a plánovat. To je příklad velmi komplexního use case, který už se dnes dá s AI relativně dobře řešit.
Michal Kraus: Já můžu navázat na Ondru a uvést dva příklady. V pobočkové síti se potýkáme s tím, že skoro každý druhý klient se během pracovního dne nedovolá svému bankéři. Nasadili jsme proto komponentu AI, která je integrovaná do plánovače schůzek a dokáže klientovi dojednat s bankéřem meeting. Pokud se jedná o nějaký běžný dotaz, rovnou ho obslouží. Tento use case zatím běží v pilotní verzi a v létě bychom ho rádi škálovali.
Dále plánujeme tento rok uvedení nové AI funkce, kterou nazýváme Hey, George. Je to virtuální AI asistent, který není rule-based – každou odpověď, kterou zákazník dostane, viděla a upravila umělá inteligence.
Kde vidíte lepší příležitost pro využití AI? Při komunikaci s interními zaměstnanci, nebo koncovými klienty?
Tomáš Stegura: V obojím. Co se týče interního použití, vidím velký přínos v RAG (pozn. red.: Retrieval Augmented Generation). Zorientovat se ve vnitřní předpisové soustavě totiž vůbec není jednoduchý úkol. A přelouskat 800 stránek interních předpisů s vnořenými tabulkami může být nelehké i pro sofistikovanou AI. A v tom je právě příležitost pro využití RAG.
V jaké oblasti má umělá inteligence největší přínos pro vaše klienty – spíše při interním využití, nebo směrem ke koncovým zákazníkům?
Ondřej Kuchta: V tuto chvíli vidíme největší využití především směrem ke koncovým zákazníkům, protože tam je možné škálování. Nicméně vidíme i interní use case, typicky třeba v interní logistice. Největší potenciál využití AI u našich klientů je ale zatím stále na úrovni koncových zákazníků.
Jak v minulém, tak letošním roce byli velkým tématem hlasoví agenti. Jak to s hlasovými agenty vidíte vy a jak jste daleko v jejich zavádění?
Tomáš Stegura: V našem případě je hlasový agent stále ještě dražší než člověk v call centru. A uprostřed noci těch zákazníků nevolá zase tolik. Proto nám licencování i snaha o naplnění všech regulatorních požadavků zatím nestojí za to.
Kde nám ovšem analýza hlasu za pomocí AI opravdu pomáhá, je třeba plnění požadavků vyplývajících z MiFID – při screeningu hovorů týkajících se investic apod. Takže využití AI pro práci s hlasem nám dává smysl, ale plnohodnotného hlasového agenta, který by místo člověka sám vyřídil telefonát od začátku do konce, zatím nevyužíváme.
Podívejme se do budoucnosti. Kam předpokládáte, že se generativní AI posune třeba za rok?
Július Čunderlík: Myslím si, že na trhu přibudou nová řešení AI agentů, kteří budou schopni koordinovat procesy a provádět přípravu pro finální potvrzení zaměstnancem – ten bude v příštím roce ještě určitě nutný. Očekávám také, že robustnější modely zvládnou lépe čelit problémům, o kterých jsme tady dnes hovořili, jako jsou halucinace a problémy s čistotou dat. Tím se stanou použitelnějšími pro uživatele z řad vyššího managementu.
Michal Kraus: Já budu šťastný, když se naučíme zvládat ty netechnické problémy, například v oblasti legislativy a compliance. Když uvidím, že svět kolem mě – a nejvíc asi stát – je připravený čelit souvisejícím výzvám a vidí AI více jako příležitost a méně jako hrozbu. Zvlášť u nás v bankovnictví platí, že pokud nebude v dobrém stavu regulatorní aspekt, nebude naše snaha padat na úrodnou půdu.
Jak podle vás tato oblast ovlivní školství a výuku?
Július Čunderlík: Čeho se opravdu obávám, je částečná ztráta kreativity. A nemyslím uměleckou kreativitu, ale běžné zapojení vlastní hlavy a hledání správného řešení. Bojím se, abychom se neomezili na pouhé dotázání se AI.
Ondřej Kuchta: Já jsem v tomhle optimista. Mám doma pětiletou dceru a ta se celkem pravidelně baví s ChatGPT v angličtině. A všiml jsem si, že ji ChatGPT někdy naučí slova, která já ani neznám. Myslím si, že v těchto případech, kdy dítě používá umělou inteligenci interaktivně, má AI spíše pozitivní dopad než negativní.
Všem účastníkům velmi děkujeme za podnětné příspěvky a už teď se těšíme se na další ročník. Máte-li zájem o videozáznam celé panelové diskuze napište nám.
Diskutující
Michal Kraus, Domain lead: Customer facing AI, Česká spořitelna
Ondřej Kuchta, Co-Founder, ScaleVoice
Július Čunderlík, CSO, Qest technologies
Tomáš Stegura, Executive Director Corporate & SME Segment management, ČSOB
Otázky pokládal
Jiří Mach, CEO, Enehano
